类似推荐
编辑推荐
本书通过20个实际案例教授AI技术，为工程技术人员提供实战方案，配套详细的设计工程文档和代码。
内容简介
本书以人工智能发展为时代背景，通过20个实际案例应用机器学习模型和算法，为工程技术人员提供较为详细的实战方案，以便深度学习。在编排方式上，全书侧重对创新项目的过程进行介绍。分别从整体设计、系统流程、实现模块等角度论述数据处理、模型训练及模型应用，并剖析模块的功能、使用和程序代码。为便于读者高效学习，快速掌握人工智能开发方法，本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题并给予解决方法，可供读者举一反三，二次开发。本书从系统设计、代码实现以及运行结果展示相结合，语言简洁，深入浅出，
章节目录
封面页
书名页
版权页
作者简介
内容简介
前言PREFACE
目录
项目1 PROJECT 1 基于马尔可夫模型的自动即兴音乐推荐
1.1 总体设计
1.1.1 系统整体结构
1.1.2 系统流程
1.2 运行环境
1.2.1 Python环境
1.2.2 PC环境配置
1.3 模块实现
1.3.1 钢琴伴奏制作
1.3.2 乐句生成
1.3.3 贝斯伴奏制作
1.3.4 汇总歌曲制作
1.3.5 GUI设计
1.4 系统测试
项目2 PROJECT 2 小型智能健康推荐助手
2.1 总体设计
2.1.1 系统整体结构
2.1.2 系统流程
2.2 运行环境
2.3 模块实现
2.3.1 疾病预测
2.3.2 药物推荐
2.3.3 模型测试
2.4 系统测试
2.4.1 训练准确度
2.4.2 测试效果
2.4.3 模型应用
项目3 PROJECT 3 基于SVM的酒店评论推荐系统
3.1 总体设计
3.1.1 系统整体结构
3.1.2 系统流程
3.2 运行环境
3.2.1 Python环境
3.2.2 TensorFlow环境
3.2.3 安装其他模块
3.2.4 安装MySQL数据库
3.3 模块实现
3.3.1 数据预处理
3.3.2 模型训练及保存
3.3.3 模型测试
3.4 系统测试
3.4.1 训练准确率
3.4.2 测试效果
3.4.3 模型应用
项目4 PROJECT 4 基于MovieLens数据集的电影推荐系统
4.1 总体设计
4.1.1 系统整体结构
4.1.2 系统流程
4.2 运行环境
4.2.1 Python环境
4.2.2 TensorFlow环境
4.2.3 后端服务器
4.2.4 Django环境配置
4.2.5 微信小程序环境
4.3 模块实现
4.3.1 模型训练
4.3.2 后端Django
4.3.3 前端微信小程序
4.4 系统测试
4.4.1 模型损失曲线
4.4.2 测试效果
项目5 PROJECT 5 基于排队时间预测的智能导航推荐系统
5.1 总体设计
5.1.1 系统整体结构
5.1.2 系统流程
5.2 运行环境
5.2.1 Python环境
5.2.2 Scikit-learn环境
5.3 模块实现
5.3.1 数据预处理
5.3.2 客流预测
5.3.3 百度地图API调用
5.3.4 GUI设计
5.3.5 路径规划
5.3.6 智能推荐
5.4 系统测试
5.4.1 训练准确率
5.4.2 测试效果
5.4.3 程序应用
项目6 PROJECT 6 基于人工智能的面相推荐分析
6.1 总体设计
6.1.1 系统整体结构
6.1.2 系统流程
6.2 运行环境
6.2.1 Python环境
6.2.2 TensorFlow环境
6.2.3 界面编程环境
6.3 模块实现
6.3.1 数据预处理
6.3.2 模型构建
6.3.3 模型训练及保存
6.3.4 模型测试
6.4 系统测试
6.4.1 训练准确率
6.4.2 测试效果
6.4.3 模型应用
项目7 PROJECT 7 图片情感分析与匹配音乐生成推荐
7.1 总体设计
7.1.1 系统整体结构
7.1.2 系统流程
7.2 运行环境
7.2.1 Python环境
7.2.2 Magenta环境
7.3 模块实现
7.3.1 数据预处理
7.3.2 模型构建
7.3.3 模型训练及保存
7.4 系统测试
7.4.1 测试效果
7.4.2 模型应用
项目8 PROJECT 8 新闻自动文摘推荐系统
8.1 总体设计
8.1.1 系统整体结构
8.1.2 系统流程
8.2 运行环境
8.2.1 Python环境
8.2.2 TensorFlow环境
8.3 模块实现
8.3.1 数据预处理
8.3.2 词云构建
8.3.3 关键词提取
8.3.4 语音播报
8.3.5 LDA主题模型
8.3.6 模型构建
8.4 系统测试
项目9 PROJECT 9 基于用户特征的预测流量套餐推荐
9.1 总体设计
9.1.1 系统整体结构
9.1.2 系统流程
9.2 运行环境
9.2.1 Python环境
9.2.2 Scikit-learn库的安装
9.3 逻辑回归算法模块实现
9.3.1 数据预处理
9.3.2 模型构建
9.3.3 模型训练及保存
9.3.4 模型预测
9.4 朴素贝叶斯算法模型实现
9.4.1 数据预处理
9.4.2 模型构建
9.4.3 模型评估
9.5 系统测试
项目10 PROJECT 10 校园知识图谱问答推荐系统
10.1 总体设计
10.1.1 系统整体结构
10.1.2 系统流程
10.2 运行环境
10.2.1 Python环境
10.2.2 服务器环境
10.3 模块实现
10.3.1 构造数据集
10.3.2 识别网络
10.3.3 命名实体纠错
10.3.4 检索问题类别
10.3.5 查询结果
10.4 系统测试
10.4.1 命名实体识别网络测试
10.4.2 知识图谱问答系统整体测试
项目11 PROJECT 11 新闻推荐系统
11.1 总体设计
11.1.1 系统整体结构
11.1.2 系统流程
11.2 运行环境
11.2.1 Python环境
11.2.2 node.js前端环境
11.2.3 MySQL数据库
11.3 模块实现
11.3.1 数据预处理
11.3.2 热度值计算
11.3.3 相似度计算
11.3.4 新闻统计
11.3.5 API接口开发
11.3.6 前端界面实现
11.4 系统测试
项目12 PROJECT 12 口红色号检测推荐系统
12.1 总体设计
12.1.1 系统整体结构
12.1.2 系统流程
12.2 运行环境
12.2.1 Python环境
12.2.2 TensorFlow环境
12.2.3 安装face_recognition
12.2.4 安装colorsys模块
12.2.5 安装PyQt 5
12.2.6 安装QCandyUi
12.2.7 库依赖关系
12.3 模块实现
12.3.1 数据预处理
12.3.2 系统搭建
12.4 系统测试
项目13 PROJECT 13 基于矩阵分解算法的Steam游戏推荐系统
13.1 总体设计
13.1.1 系统整体结构
13.1.2 系统流程
13.2 运行环境
13.2.1 Python环境
13.2.2 TensorFlow环境
13.2.3 PyQt 5环境
13.3 模块实现
13.3.1 数据预处理
13.3.2 模型构建
13.3.3 模型训练及保存
13.3.4 模型测试
13.4 系统测试
13.4.1 训练准确率
13.4.2 测试效果
13.4.3 模型应用
项目14 PROJECT 14 语音识别和字幕推荐系统
14.1 总体设计
14.1.1 系统整体结构
14.1.2 系统流程
14.2 运行环境
14.3 模块实现
14.3.1 数据预处理
14.3.2 翻译
14.3.3 格式转换
14.3.4 音频切割
14.3.5 语音识别
14.3.6 文本切割
14.3.7 main函数
14.4 系统测试
项目15 PROJECT 15 发型推荐系统设计
15.1 总体设计
15.1.1 系统整体结构
15.1.2 系统流程
15.2 运行环境
15.2.1 Python环境
15.2.2 PyCharm环境
15.3 模块实现
15.3.1 Face++·API调用
15.3.2 数据爬取
15.3.3 模型构建
15.3.4 用户界面设计
15.4 系统测试
15.4.1 测试效果
15.4.2 用户界面
项目16 PROJECT 16 基于百度AI的垃圾分类推荐系统
16.1 总体设计
16.1.1 系统整体结构
16.1.2 系统流程
16.1.3 PC端系统流程
16.2 运行环境
16.2.1 Python环境
16.2.2 微信开发者工具
16.2.3 百度AI
16.3 模块实现
16.3.1 PC端垃圾分类
16.3.2 移动端微信小程序
16.4 系统测试
16.4.1 PC端效果展示
16.4.2 微信小程序效果展示
项目17 PROJECT 17 协同过滤音乐推荐系统
17.1 总体设计
17.1.1 系统整体结构
17.1.2 系统流程
17.2 运行环境
17.2.1 Python环境
17.2.2 PyCharm和Jupyter
17.3 模块实现
17.3.1 数据预处理
17.3.2 算法实现
17.3.3 算法测评
17.4 系统测试
项目18 PROJECT 18 护肤品推荐系统
18.1 总体设计
18.1.1 系统整体结构
18.1.2 系统流程
18.2 运行环境
18.3 模块实现
18.3.1 文件读入
18.3.2 推荐算法
18.3.3 应用模块
18.3.4 测试调用函数
18.4 系统测试
项目19 PROJECT 19 基于人脸识别的特定整蛊推荐系统
19.1 总体设计
19.1.1 系统整体结构
19.1.2 系统流程
19.2 运行环境
19.2.1 Python环境
19.2.2 PyCharm环境
19.2.3 dlib和face_recognition库
19.3 模块实现
19.3.1 人脸识别
19.3.2 美颜处理
19.4 系统测试
19.4.1 人脸识别效果
19.4.2 美颜效果
19.4.3 GUI展示
项目20 PROJECT 20 TensorFlow 2实现AI推荐换脸
20.1 总体设计
20.1.1 系统整体结构
20.1.2 系统流程
20.2 运行环境
20.3 模块实现
20.3.1 数据集
20.3.2 自编码器
20.3.3 训练模型
20.3.4 测试模型
20.4 系统测试
AI源码解读：推荐系统案例（Python版）是2021年由清华大学出版社出版,作者李永华。
得书感谢您对《AI源码解读：推荐系统案例（Python版）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
